sklearn(八)计算多分类任务中每个类别precision、recall、f1的分类报告classification |
您所在的位置：网站首页 › 多分类 recall › sklearn(八)计算多分类任务中每个类别precision、recall、f1的分类报告classification |
|
1.classification_report()是什么？
sklearn中的classification_report函数用于显示主要分类指标的文本报告．在报告中显示每个类的精确度，召回率，F1值等信息。 主要参数: y_true：1维数组，或标签指示器数组/稀疏矩阵，目标值。 y_pred：1维数组，或标签指示器数组/稀疏矩阵，分类器返回的估计值。 labels：array，shape = [n_labels]，报表中包含的标签索引的可选列表。 target_names：字符串列表，与标签匹配的可选显示名称（相同顺序）。 sample_weight：类似于shape = [n_samples]的数组，可选项，样本权重。 digits：int，输出浮点值的位数． 2.classification_report用法示例： from sklearn.metrics import classification_report y_true = [0, 1, 2, 2, 2] y_pred = [0, 0, 2, 2, 1] target_names = ['class 0', 'class 1', 'class 2'] print(classification_report(y_true, y_pred, target_names=target_names))输出： precision recall f1-score support class 0 0.50 1.00 0.67 1 class 1 0.00 0.00 0.00 1 class 2 1.00 0.67 0.80 3 avg / total 0.70 0.60 0.61 5其中列表左边的一列为分类的标签名，右边support列为每个标签的出现次数．avg / total行为各列的均值（support列为总和）． precision recall f1-score三列分别为各个类别的精确度/召回率及 F1 F1值． |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |